Simulação de Arquiteturas de Sistemas de Monitoramento de Quedas de Pacientes Domiciliares

• Jorge Teixeira Bruno UFG
• Renato Bulcão-Neto UFG

DOI: https://doi.org/10.5753/mssis.2019.7555

Resumo

Quedas são uma causa recorrente de hospitalização de idosos. Sistemas IoT têm sido desenvolvidos para monitorar, detectar e notificar quedas de pacientes no ambiente domiciliar. Entretanto, estudos têm reportado que a maioria das quedas ocorre no banheiro, local onde os idosos comumente não estão utilizados os dispositivos vestíveis que os monitoram para notificar serviços de saúde e resgate em caso de queda. Neste sentido, o uso de sensores instalados no ambiente do banheiro poderia contribuir para aumentar o grau de detecção de quedas. O objetivo deste artigo é mostrar como o uso de modelos de simulação pode proporcionar uma avaliação, em tempo de projeto, de alternativas arquiteturais para sistemas de monitoramento, detecção e notificação de quedas em ambientes domésticos baseados em IoT. Duas alternativas arquiteturais (uma convencional baseada em dispositivos vestíveis e uma que melhora a primeira e inclui sensores no ambiente do banheiro) são avaliadas. Dados reais de quedas foram utilizados durante as simulações. Resultados preliminares mostram um aumento de até 8,2% na detecção de quedas da segunda arquitetura em relação à primeira.

Referências

Abbate S.; Avvenuti M.; Corsini P.; Light J.; Vecchio A. (2010). “Monitoring of human movements for fall detection and activities recognition in elderly care using wireless sensor network: A survey”. In Wireless Sensor Networks, Chapter 9, IntechOpen.

Carey, D.; Laffoy, M. (2005). Hospitalisations due to falls in older persons. Irish Medical Journal, 98 (6):179-81.

Zhang, Y.W.D.; Lan, H. (2018). Bathroom fall detection based on ultrasonic Doppler effect. Journal of Shangai Normal University (Nature Sciences), 47(2):225–229.

de França, B.B.N.; Travassos, G.H. (2016). Experimentation with dynamic simulation models in software engineering: planning and reporting guidelines. Empirical Software Engineering, 21(3):1302–1345.

Wild, D.; Nayak, U.S; Isaacs, B. (1981). How dangerous are falls in old people at home?. British Medical Journal, 282(6260): 266–268.

Garripoli, C.; Mercuri, M.; Karsmakers, P.; Soh, P.J.; Pace, C.; Leroux, P; Schreurs, D. (2013). “Indoor fall detector based on Doppler radar”. In Annual Symposium of the IEEE EMBS and IM Benelux Chapter, Brussels, Belgium, pp. 1.

Gibson, M.J.S.; Andres, R.O.; Kennedy, T.E.; Coppard, L.C. (1987). The prevention of falls in later life: a report of the Kellogg International Work Group on the Prevention of Falls by the Elderly. Copenhagen: Danish Medical Association.

Heuzeroth D., Löwe W. (2003). Understanding Architecture through Structure and Behavior Visualization. In: Zhang K. (eds) Software Visualization. The Springer International Series in Engineering and Computer Science, vol 734. Springer, Boston, MA.

Mercuri, M.; Soh, P.J.; Pandey, G.; Karsmakers, P.; Vandenbosch, G.A.E.; Leroux, P.; Schreurs, D. (2013). Analysis of an Indoor Biomedical Radar-Based System for Health Monitoring. IEEE Transactions on Microwave Theory and Techniques, 61(5):2061– 2068.

Ntanasis P.; Pippa E.; Özdemir A.T.; Barshan B.; Megalooikonomou V. (2017). “Investigation of sensor placement for accurate fall detection”. In 6th EAI International Conference on Wireless Mobile Communication and Healthcare, Milan, Italia, pp. 225– 232.

Özdemir, A.T.; Barshan, B. (2014). Detecting Falls with Wearable Sensors Using Machine Learning Techniques. Sensors, 14(6):10691-10708.

Cotter P.E.; Timmons S.; O'Connor, M.; Twomey, C.; O'Mahony, D. (2006). The financial implications of falls in older people for an acute hospital. In Irish Journal of Medical Science, 175(2):11-3.

Perera C.; Zaslavsky A.; Christen P.; Georgakopoulos D. (2014). Context aware computing for the internet of things: A survey. IEEE Communications Surveys Tutorials, 16(1):414–454.

Perracini, M.R. (2009). Desafios da prevenção e do manejo de quedas em idosos. BIS, Bol. Inst. Saúde (Impr.), (47):45–48. Disponível em . acesso em 14 jun. 2019.

Schellenberg, M.; Inaba, K.; Chen, J.; Bardes, J.M., Crow, E.; Lam, L.; Benjamin, E.; Demetriades, D. (2019). Falls in the Bathroom: A Mechanism of Injury for All Ages. Journal of Surgical Research, 234:283–286.

Schwickert, L.; Becker, C.; Lindemann, U.; Maréchal, C.; Bourke, A.; Chiari, L.; Helbostad, J.L.; Zijlstra, W.; Aminian, K.; Todd, C. (2013). Fall detection with bodyworn sensors: A systematic review. Zeitschrift für Gerontologie und Geriatrie, 46(8):706-19.

Zeigler, B.P.; Sarjoughian, H.S.; Duboz, R.; Soulíe, J.-C. (2013). Guide to modeling and simulation of systems of systems. Springer, 1st edition.